IA e GPU NVIDIA melhoram a previsão meteorológica com mapas de humidade
Há mais de um século que os meteorologistas monitorizam tempestades recorrendo a quadros, equações e supercomputadores. Contudo, um ingrediente insidioso, mas aparentemente simples, tem escapado a um controlo rigoroso: o vapor de água.
A humidade é o combustível invisível de trovoadas, chuvadas repentinas e inundações. Cabe-lhe a ela decidir se a chuva se tornará num chuvisco ou se o obrigará a procurar abrigo. Durante muito tempo, os satélites não conseguiam «vê-la» com precisão suficiente para antecipar o perigo.
Agora, a equipa da Universidade de Ciências Ambientais e da Vida de Breslávia (UPWr) apresenta uma solução. Os investigadores demonstraram como o deep learning consegue transformar imagens de satélite GNSS desfocadas em mapas tridimensionais precisos de humidade, revelando os vórtices ocultos que moldam o clima local.
O segredo reside na rede generativa de super-resolução (SRGAN), uma tecnologia de IA conhecida por tornar nítidas fotos granulares. Em vez de retratos ou paisagens, os investigadores treinaram a rede com dados meteorológicos globais utilizando processadores gráficos NVIDIA. Como resultado, imagens de satélite de baixa resolução transformam-se em mapas de humidade de alta precisão com margens de erro mínimas.
Na Polónia, o método reduz os erros em 62%; na Califórnia, em 52%, mesmo em condições de chuva. Ao contrário dos modelos antigos que esbatem os detalhes, a IA cria gradientes nítidos que coincidem com as medições de instrumentos no terreno.
Para aumentar a fiabilidade das previsões, os investigadores incorporaram IA explicável. Com o apoio de visualizações Grad-CAM e SHAP, tornou-se claro a que áreas o sistema presta atenção — precisamente as zonas onde os meteorologistas antecipam tempestades: o oeste da Polónia e as montanhas costeiras da Califórnia.
“Dados de humidade fiáveis e de alta resolução são o elo que faltava na previsão do tipo de condições meteorológicas que perturbam vidas”, afirmou o autor principal Saeid Haji-Aghajany, professor assistente na UPWr. “A nossa abordagem não só torna a tomografia GNSS mais nítida, como também demonstra de que forma o modelo toma as suas decisões. Esta transparência é fundamental para gerar confiança à medida que a IA entra na previsão meteorológica.”
O impacto destes fenómenos meteorológicos pode ser devastador. A utilização de mapas de humidade mais precisos em modelos meteorológicos — tanto físicos como baseados em inteligência artificial — permite antecipar chuvadas repentinas e cheias antes de atingirem o território. Isto dá às populações em risco um tempo valioso para se prepararem.
E tudo isto depende de um fator muitas vezes subestimado. Não dos trovões. Nem dos relâmpagos. Depende da humidade.
Para saber mais sobre os nossos produtos e soluções de IA para o seu negócio, contacte-nos hoje. Estamos aqui para ajudar!
